CT+AI AI影像市场逐渐成熟

疫情面前，速度就是生命。

在CT被列入第五版新冠肺炎诊疗方案后，在准确性还不够完美的核酸检测之外又增加了一项诊断手段。CT阅片量增加，提升效率成为在CT诊断过程中的一大难题。为此，一批医疗影像AI企业也闻风而动，加入这场生死时速的抢夺战中。疫情期间，CT＋AI的概念出现在不少AI产品中。

AI厂家闻风而来

当医生打开片子，新冠肺炎的感染区域可通过AI的方式自动勾画，同时在屏幕右边显示全肺的感染比例以及体积，精确到每一个肺叶、肺段的感染体积，以及其感染的百分比，这样可以让医生更有效的了解到，患者感染的区域在哪里，提供更多的量化信息。

不仅如此，AI还能优化整个读片过程的工作流。随着胸部CT阅片量大幅增加，特别是武汉疫区，提升工作效率便成为重中之重。通过分割的技术，AI找出医生尚未读但已拍完的片子，对这些病人的影像进行快速筛查，找到肺炎疑似患者，提醒医生优先阅片，如此一来，AI便可优化整个图片的工作流，做到早发现、早治疗、早隔离。

联影智能研发副总裁高耀宗在医学图像计算青年研讨会（MICS）线上学术讲座上介绍到，这是他们新冠肺炎AI系统的两大功能点。其主要的技术路线基本上是通过分割的方式，在胸部CT上，利用人工智能深度学习的分割算法，来检测到新冠肺炎相关的一些征象，并对其进行量化评估。

他表示，目前，如果没有AI技术，很多影像学报告多是定性分析，磨玻璃影变淡还是变暗，其个数大概增多了多少，在应用AI技术以后，AI不但可以提供上述指标的一些量化数字，同时还可以做更精细的分析，帮助医生诊断。

比如在不同时间点，AI可以分析肺部感染体积的变化，也可以直观反映出其磨玻璃和实性成分的变化。

在早期筛查方面，AI也有可为空间。深睿医疗研究员张树给出了一张抗疫一线AI系统早期炎症病灶筛查的效果图，从左侧看，这位患者有两个非常不明显的磨玻璃病灶，当医生工作量大时，他们很容易漏掉病灶，AI筛查系统可较为精准定位微小磨玻璃病灶。

而在随访环节，AI系统有助于医生可以更明确、直观去观察到病人整体疗效变化的情况。张树介绍道，2018年，这位病人拍摄了一个CT，他当时没有感染新冠肺炎，也没有其他炎症，所以整体上，他的病灶数量处于比较低的状态。2020年2月3日，他已经感染了新冠肺炎，从右侧黄色曲线上可以看出，整体病灶数量也在上升。可能经过一段时间的治疗，整个曲线上就出现下滑。

目前，深睿医疗的新冠肺炎增强版AI已落地，在全国大概数十家医院装机使用了。早在1月31号，他们第一版产品就已经研发出来了。

联影智能也在短短５天完成了他们新冠肺炎辅助分析软件的研发和落地。据悉，该软件动用了算法、软件和测试等10位研发人员，以及50位远程标注人员，应用上千例标注数据。

1月28日，上海人工智能研究院携手健培科技完成了新冠肺炎影像云检测系统的阶段性研发工作。随后，在中华放射学会常委心胸学组组长郭佑民教授的指导下，开展上线应用。

1月31日，推想科技发布新冠肺炎AI，截止到2月10日，全国上线医院达到十余家。

2月5日，依图医疗新型冠状病毒性肺炎智能影像评价系统在华中科技大学同济医学院附属协和医院、武汉大学中南医院、武汉大学人民医院、荆州市第一人民医院完成部署。

……

面对突如其来的疫情，AI医疗企业反应速度之快，研发速度之快，让人啧啧称赞。但与此同时，让人疑惑的是，上千数据，数天时间，如何做到如此快速开发软件并标记数据？

据联影智能CEO沈定刚介绍道，他们的系统经历了数据少、数据越来越多再到快速迭代的过程。刚开始，数据只有三四十个，在这种情况下怎么开发出一个应用于临床的产品？他们发现，这个新冠肺炎跟以前的肺炎有一定的相似性，所以他们利用了很多以前的数据和模型，如此一来，在小样本训练的情况下，也得到了效果较好的系统。

后来，随着数据越来越多，系统进入快速迭代的阶段。用现有的少量数据训练好的模型，再加上没有标注过的数据，然后通过标注人员的修改，快速迭代模型。沈定刚表示，这里面会用到基于AI的半自动分割方法，最后把标注、系统训练、人员变成一个系统，在短期内可以很好地把几千幅图像标注出来。

“异病同影”现象难解，AI产品还很初级

铺天盖地的AI产品，对于当前的疫情来说，AI是否真的能上岗？其成熟度是否足以应用于临床？生命面前无小事。

”基本上，目前产品可能还处于初级阶段，还需要更多病例去迭代才能够获得较好的使用效果，尤其对于这种炎症，病毒性肺炎本身‘异病同影’现象比较严重，在诊断这一块的功能可能还需要进一步拓展。“长征医院影像医学与核医学科主任刘士远直言。

他表明，一个产品从开始研发到使用确实需要一个过程，需要足够量的病例去迭代，也需要临床大量医生通过使用提出反馈意见，这样产品才能逐渐成熟。

依图医疗副总裁石磊也表示，人工智能是计算机的行为，而医疗本身是人类的行为，AI医疗也是人文行为属性和技术属性的一个结合。但是现在随着计算机技术的不断发展，以及医学依赖于技术进步的推动，使得这两者逐步走到了一起。但是目前来看，还在磨合期。

但AI也有AI的优势，它可以快速学会一些已经被定义清楚的、具备明确逻辑的事情，并可通过顶层的算法设计而实现这种场景下的应用。

石磊举例说，人眼难以精确分析图像灰阶的变化，或者定量评价疾病的微小变化，这时AI就能提供帮助，同时结合局部和整体全肺做整体定量分析。当然，这些帮助是否会被医生采纳，取决于医生对于这些信息的判断和计算机提供这些信息的维度，所以这是计算机相对于人有优势的地方。

疫情当前，AI就是帮助医生，让医生看到更多的信息，或者除了医生两个手以外，可能增加更多的手来帮助医生，这就是现在AI能做的，这是沈定刚的观点。具体而言，在较难对比、精度不高信息方面，医生花费时间会较多，比如说病灶的个数、病灶的位置或者病灶的体积，相对肺部、肺叶或者肺段的百分比等，这些都是比较直观的信息。AI可通过深度学习，提供量化信息，以此来帮助医生做相应的诊断。

此外，在进医院到出院期间，每一个病人会通过检查多次CT来观察病情进展，可能四五次，甚至五六次，这时，AI可以较为精细描述病灶每一部分的变化，进行纵向图像对比。沈定刚说，这样的变化用于早期detection和愈后估计都非常有用。

AI看新冠肺炎，不能拍板

当前，AI通过定量分析能帮助医生更快更准地做出诊断。从一定程度上而言，AI的作用仅限于锦上添花。那么，有没有可能通过AI的手段真的发现早期新冠肺炎疑似患者，甚至做出早期诊断？

”目前而言，AI能做的就是帮助医生尽量减少漏诊。”高耀宗解释道，“其实，在患者早期，一方面，他们的CT影像没有明显的病灶，光靠CT影像无法鉴别，肯定需要流行病学史、临床表征和核酸检测等才能确诊病人。另一方面，早期患者的CT影像局部有一些很小的病灶和弥漫性病灶，通过AI能把器官进行分割，把病灶进行量化，AI能够发现这些病灶。”

对于AI做鉴别诊断，沈定刚也极力否认：”刚开始，数据清洗都没到那个程度，标注也是错的，告诉病人他是新冠肺炎或者不是，这不能确定。当前新冠肺炎的系统完全达不到诊断的效果，因为现在的数据还不可利用。“

至于早期诊断，沈定刚认为，AI要做早期诊断，首先符合条件的数据就很难获得。在病人没有症状，CT和核酸都没有表现出来的时候，他拍摄了相应的CT图像。不仅如此，后来发现，该病人真的感染了新冠病毒。那么，这位病人第一次来医院的数据才能用于AI学习早期诊断。

但是AI鉴别诊断仍然是临床所期待的，武汉协和医院放射科副主任史河水表示，AI在新冠肺炎中的应用，当前在定量分析方面能够较好缓解医生的工作压力。鉴别诊断方面，在疫情爆发期，医生较容易诊断，而疫情过后，针对散发性病例如何诊断，这应该是AI下一步的方向。

“早期的诊断还是需要结合很多临床信息才能下判断，对于AI而言，如何既做CT又能做核酸，这是值得思考的。如果一个AI模型能把影像信息和生物指标信息结合起来，复杂诊断问题AI也能做。”不过，沈定刚指出，现在还不是时候，数量的数量和质量都还不够。

看病是一个复杂场景，单从影像AI角度还远远不够。所以，在这个阶段，AI仍然无法给出疾病的定性诊断，或者发挥出一锤定音的价值，但是在定量分析当中能够给予医生很好的帮助。